조회수는 늘었다. 보고서의 화살표도 위를 향한다. 그런데 다음 달에 무엇을 바꿀지 묻는 순간 답이 흐려진다. AI로 한 페이지 보고서를 만들 때는 요약 분량보다, 관찰한 사실과 아직 모르는 이유를 먼저 나눠야 한다.
나는 「광고는 웃겼는데, 브랜드는 남았나」에서 화제성과 브랜드에 남는 자산을 구분해야 한다고 썼다. 재밌는 광고로 기억되는 것과 어느 브랜드의 어떤 약속이었는지 기억되는 것은 다르다. 이 질문은 보고서에도 그대로 이어진다. 이번에 크게 보인 숫자가 우리가 원했던 변화인가.
이 글에서는 그 관점을 작은 캠페인 보고서로 옮겨본다. 브런치에서 언급한 실제 기업의 수치를 다시 가져와 성과를 추정하지는 않는다. 처음부터 만든 합성 데이터로, 같은 숫자에서 과장된 결론과 쓸 수 있는 결론이 어떻게 갈리는지 살펴보겠다.
많이 본 것, 행동한 것, 기억한 것은 같은 숫자가 아니다
콘텐츠가 노출되면 우선 볼 기회가 생긴다. 클릭은 그다음 행동이다. 주문 완료는 또 다른 단계다. 브랜드가 어떤 이미지로 기억되는지는 별도의 질문이다. 하나가 좋아졌다고 나머지가 저절로 좋아졌다고 쓸 수는 없다.
특히 “노출 증가로 매출이 개선됐다”는 문장은 두 관찰 사이에 원인을 끼워 넣는다. 같은 기간 가격이나 프로모션, 타깃, 집행비가 바뀌었다면 무엇의 영향인지 분리하기 어렵다. 보고서에는 이 불편한 빈칸도 남아 있어야 한다.
| 알고 싶은 것 | 먼저 볼 자료 | 그것만으로 말할 수 없는 것 |
|---|---|---|
| 얼마나 접했나 | 정의가 같은 노출·도달·조회 자료 | 브랜드를 기억하거나 좋아하게 됐는지 |
| 무엇을 했나 | 클릭·방문·완료 행동과 집계 기준 | 그 행동이 광고만의 효과인지 |
| 무엇이 남았나 | 같은 질문·대상 조건으로 수집한 인식 자료 | 단순 전후 차이가 캠페인 때문인지 |
세 줄을 반드시 모두 측정하라는 뜻은 아니다. 비용과 목적에 따라 못 보는 영역이 있다. 중요한 것은 못 본 영역을 다른 숫자로 대신 증명하지 않는 것이다. 인식 자료가 없으면 “브랜드 선호도 상승은 이번 자료로 확인하지 못했다”라고 쓰면 된다.
원자료를 먼저 펼쳐보자
다음은 가상 상품 캠페인의 연속된 두 주를 비교한 합성 예제다. 기간은 각각 7일이고 같은 시간대 기준이다. 노출·클릭은 같은 매체 보고서 정의를 사용했다고 가정한다. 주문은 각 주에 해당 캠페인으로 귀속된 완료 주문 수이며 중복 주문은 제거됐다고 가정한다. 실제 사이트나 광고 계정의 실적이 아니다.
| 원자료 행 | 1주 차 | 2주 차 |
|---|---|---|
| D1 집행비 | 1,000,000원 | 1,800,000원 |
| D2 노출 | 100,000회 | 200,000회 |
| D3 클릭 | 2,000회 | 3,000회 |
| D4 귀속 완료 주문 | 100건 | 120건 |
| D5 운영 변경 | 기존 타깃·소재 | 타깃 확대·소재 교체 동시 진행 |
| D6 브랜드 인식 조사 | 없음 | 없음 |
실제 업무라면 귀속 방식, 완료의 정의, 취소 반영 여부, 데이터 추출 시각도 붙여야 한다. 이 조건이 다르면 전후 비교부터 흔들린다. 특히 서로 다른 플랫폼의 전환 수를 더하면 같은 주문을 여러 번 셀 수 있다.
여기서는 설명을 위해 데이터가 확정됐다고 가정한다. 추후 전환이 추가되거나 귀속이 재조정되는 실제 보고서라면 확정 전 수치라는 표시와 다음 갱신일이 필요하다.
계산은 네 줄이면 방향이 보인다
클릭률(CTR) = 클릭 ÷ 노출 × 100
1주 차: 2,000 ÷ 100,000 × 100 = 2.0%
2주 차: 3,000 ÷ 200,000 × 100 = 1.5%
주문당 집행비 = 집행비 ÷ 귀속 완료 주문
1주 차: 1,000,000 ÷ 100 = 10,000원
2주 차: 1,800,000 ÷ 120 = 15,000원
주문 수 변화율 = (120 - 100) ÷ 100 × 100 = +20%
집행비 변화율 = (1,800,000 - 1,000,000) ÷ 1,000,000 × 100 = +80%노출은 두 배, 주문은 20% 증가했다. 동시에 주문당 집행비는 50% 높아졌다. CTR은 0.5%포인트 하락했고 상대 변화율로는 25% 감소다. 퍼센트와 퍼센트포인트는 같은 말이 아니다.
주문당 집행비는 이번 예제에서 정의한 비교 지표다. 상품 이익, 반복 구매, 취소와 운영비를 모르므로 이 값만으로 적자나 흑자를 말할 수는 없다. 기준 주보다 높아졌다는 사실과 사업적으로 감당할 수 없는 수준이라는 판단도 구분해야 한다.
AI에게 그냥 ‘긍정적으로 요약’시키면 생기는 문제
다음은 특정 모델의 실제 출력이 아니라, 잘못된 요약을 설명하기 위해 만든 문장이다.
캠페인 화제성이 높아지며 노출이 두 배 증가했고 주문도 20% 성장했다. 소재 교체의 효과가 확인됐으므로 다음 주 예산 확대를 제안한다.
앞부분의 숫자는 맞다. 하지만 노출을 화제성으로 해석했고, 동시에 바뀐 타깃과 소재 중 소재만 원인으로 골랐고, 비용 증가를 뺐다. 브랜드 인식 자료도 없는데 좋은 반응을 얻었다는 인상을 준다.
틀린 숫자가 하나도 없어도 틀린 판단을 유도할 수 있다. 그래서 숫자 대조만으로 검토를 끝내면 안 된다. 무엇을 생략했고 어떤 인과관계를 새로 넣었는지도 봐야 한다.
같은 자료로 쓴 한 페이지 보고서 완성본
아래는 원자료 D1~D6만으로 작성한 교육용 편집 예시다. 실제 캠페인 운영 지시가 아니며, 한 페이지는 레이아웃 규격보다 결정에 필요한 정보의 범위를 뜻한다.
결정 질문: 다음 주 추가 확대안을 지금 승인할 것인가. 판단: 즉시 확대 결론을 내리지 않고, 집계 기준과 비용 증가 원인을 먼저 확인하는 안을 제안한다. 주문 수는 증가했으나 주문당 집행비도 높아졌고, 타깃과 소재를 동시에 바꿔 어느 변화의 영향인지 분리되지 않았다. 근거: 귀속 완료 주문은 100건에서 120건으로 20% 증가했다(D4). 집행비는 100만 원에서 180만 원으로 80% 증가했다(D1). 주문당 집행비는 1만 원에서 1만 5천 원으로 50% 높아졌다(D1÷D4). 반대 신호와 한계: 노출과 클릭 규모는 커졌다(D2·D3). 확대된 고객군의 후속 구매 가능성은 이번 자료에 없다. 따라서 장기 가치 악화도 단정하지 않는다. 브랜드 인식 변화는 미측정이다(D6). 다음 확인 제안: 분석 담당자는 다음 주 월요일까지 귀속·취소·중복 처리 기준을 확인한다. 운영 담당자는 변경 이력을 정리하고, 집계가 비교 가능하면 기존·확대 타깃을 구분해 같은 기준으로 살펴본다. 재판단 시점은 해당 확인이 끝난 뒤로 둔다. 승인 필요: 위 담당과 기한은 보고용 제안이다. 확정된 일정이나 예산 변경으로 기록하지 않는다.
이 보고서는 “성공”이나 “실패”를 크게 써주지 않는다. 대신 무엇이 나아졌고 무엇이 비싸졌는지, 다음 결정을 막는 정보가 무엇인지 알려준다. 보고받는 사람이 지금 승인할 것과 나중에 판단할 것을 구분할 수 있다.
AI에 넘길 때는 해석 금지선도 함께 적는다
아래 원자료로 의사결정용 한 페이지 보고서를 작성하라.
독자: 다음 운영안을 검토할 팀장
결정: 확대 여부를 판단하기 위해 무엇을 더 확인해야 하는가
자료: D1~D6 합성 표와 각 지표의 집계 정의
규칙:
- 관찰 사실, 계산 결과, 원인 가설, 다음 행동 제안을 분리한다.
- 계산은 분자·분모와 원자료 행 번호를 표시한다.
- 타깃과 소재가 동시에 바뀌었으므로 한쪽의 인과효과를 확정하지 않는다.
- 노출·클릭으로 브랜드 인식 개선을 대신 증명하지 않는다.
- 수익성·고객생애가치는 자료에 없으므로 추정하지 않는다.
- 담당과 기한은 확정 사실이 아니라 승인받을 제안으로 표시한다.
- 수치의 정의나 기간이 다르면 비교를 멈추고 필요한 정보를 적는다.
출력: 결정 질문 / 잠정 판단 / 근거 3개 / 반대 신호 /
판단 한계 / 다음 확인 / 승인 필요 사항Google Analytics의 기여 분석도 사용자 행동의 공로를 여러 접점에 배분하는 방법을 설명한다. 보고서를 읽을 때 어떤 귀속 모델과 기간을 사용했는지 확인해야 하는 이유다. 그 설명이 이 합성 예제의 소재 효과나 예산 확대 여부를 증명해주지는 않는다.
이 보고서가 실패하는 조건
집계 기준이 다른 자료를 같은 표에 붙였을 때, 주문 수가 0인데 비용을 나눴을 때, 미완료 기간과 완료 기간을 비교했을 때는 결론보다 데이터 정리가 먼저다. 분모가 0이면 주문당 비용을 0원으로 표시하지 않고 계산 불가라고 쓴다.
작은 표본의 등락도 조심해야 한다. 주문 한두 건 차이가 큰 비율로 보일 수 있다. 이번 계산은 산술 검산이지 통계적 유의성 검정이 아니다. 전후 비교만으로 캠페인의 순수한 추가 효과를 확정하지 않는다.
보안상 광고 계정 ID, 개인별 구매 기록, 고객 명단, 비공개 매출 원본은 외부 AI 입력에서 제외한다. 표가 짧다고 익명화된 것도 아니다. 회사가 허용한 집계 범위와 환경에서 처리해야 한다.
주문이 늘었는데 왜 확대를 바로 권하지 않나?
늘어난 주문을 얻는 비용과 사업의 허용 기준을 함께 봐야 하기 때문이다. 이 예제에는 이익이나 장기 구매 가치가 없다. 확대가 틀렸다고 결론 내린 것이 아니라, 지금 자료만으로 확정하지 않는 것이다.
좋은 소식부터 써도 되지 않나?
가능하다. 다만 같은 결정을 바꿀 반대 신호를 뒤로 숨기지 않아야 한다. 주문 증가와 주문당 비용 증가를 같은 문단에 두면 보고받는 사람도 균형 있게 읽을 수 있다.
모든 보고서에 계산식을 넣어야 하나?
핵심 판단을 바꾸는 숫자는 추적할 수 있어야 한다. 본문이 복잡해지면 계산표를 부록에 두되 원자료 위치와 연결한다. AI가 만든 문장만 남기고 그 문장을 만든 근거를 잃지 않는 것이 중요하다.
보고서를 짧게 만드는 일은 어렵다. 하지만 더 어려운 것은 짧아진 문장 안에 아직 모르는 것을 남겨두는 일이다. 다음 판단을 잘하게 하는 보고서라면, 빈칸까지 정확해야 한다.
근거와 공식 출처
- 브런치: 광고는 웃겼는데, 브랜드는 남았나 — 화제성과 브랜드 자산을 구분하는 관점의 출처. 원문 속 기업 수치와 이미지는 이 글에 재사용하지 않았다.
- Google Analytics: 기여 분석 시작하기 — 주요 행동의 기여도를 접점에 배분하는 모델 설명. 2026-08-31 확인.
편집 안내: 허보람의 공개 원문을 AI의 도움으로 확장했다. 표·계산·완성 보고서는 모두 합성 자료로 새로 작성했으며, 실제 광고 계정 분석이나 수익 개선 성과가 아니다.